徐 彬 陈 渤 刘宏伟 金 林



基于注意循环神经网络模型的雷达高分辨率距离像目标识别

徐 彬①②陈 渤*①②刘宏伟①②金 林②

①(西安电子科技大学雷达信号处理国家重点实验室 西安 710071)②(西安电子科技大学信息感知技术协同创新中心 西安 710071)

针对雷达高分辨率距离像(HRRP)数据的识别问题，该文利用HRRP生成的时序特性，提出一种基于循环神经网络的注意模型。该模型利用具有记忆功能的循环神经网络对时域数据进行编码，并根据HRRP中不同距离单元所映射的隐层对目标识别的重要性，自适应地赋予隐层不同的权值系数，并根据隐层特征编码特征进行HRRP目标识别。该模型利用了隐藏在HRRP数据内部的目标结构信息，提高了特征的区分度。实测数据的实验结果表明，该方法可以有效地进行识别，在样本存在一定余度数据和样本偏移的情况下，都能准确地找出目标支撑区域。

雷达目标识别；高分辨距离像；循环神经网络；注意模型

1 引言

雷达高分辨率距离像(HRRP)是用宽带雷达信号获取的目标散射点子回波在雷达视线方向投影的矢量和，它包含了目标尺寸和散射点分布等重要结构信息，并且易于获取、存储和处理，如今已成为了雷达自动目标识别(RATR)领域的一个重要的研究方向。针对雷达目标识别这一问题，大量学者进行了广泛的研究。文献[1]针对基于HRRP的一阶统计特性的模板匹配分类器(MCC-TMM)和融合一阶和二阶统计特性的自适应高斯分类器(AGC)两种不同方法的特性，提取对应的统计特征来进行目标识别。……